基于卷积神经网络的类星体宽带辐射建模——III. 质子同步与混合模型
高能天体物理现象
2025-07-01 v1 星系天体物理
摘要
随着多信使观测的兴起，类星体宽带辐射的建模变得日益具有挑战性。基于先前成功将卷积神经网络（CNNs）应用于 leptonic 辐射场景的经验，我们present一种基于 CNN 的高效方法，用于类星体辐射建模，适用于质子同步和混合 lepto-hadronic 框架。我们的 CNN 训练数据来自 SOPRANO 生成的大量数值模拟，涵盖电子和质子的注入及所有显著冷却过程。经过训练的 CNN 能够有效再现由原始粒子和次级粒子共同参与的复杂相互作用，从而准确再现电磁辐射和中子辐射。这使得对 hadronic 和混合辐射场景参数空间的快速且彻底的探索成为可能。通过对两个著名类星体 TXS 0506+059 和 PKS 0735+178 的光谱能谱进行拟合 demonstration 了训练 CNN 的有效性，这两个类星体都与 IceCube 中子探测相关。建模假设在不同能量范围内保持恒定的中子通量，或采用包含预期中子事件计数的泊松似然方法进行拟合。训练好的 CNN 已集成到马可尼多波段数据中心（MMDC; https://www.mmdc.am），为天文学家提供了一个在 hadronic 框架下探索类星体喷流物理的稳健工具。
引用
@article{arxiv.2506.23885,
title = {Modeling blazar broadband emission with convolutional neural networks -- III. proton synchrotron and hybrid models},
author = {N. Sahakyan and D. Bégué and A. Casotto and H. Dereli-Bégué and V. Vardanyan and M. Khachatryan and P. Giommi and A. Pe'er},
journal= {arXiv preprint arXiv:2506.23885},
year = {2025}
}
备注
submitted to ApJ